大连理工大学网络高等教育
本 科 生 毕 业 论 文（设 计）
题 目：图像识别技术的研究和应用
层 次： 专科起点本科
专 业： 电气工程及其自动化
年 级： 年 季
学 号：
学 生：
指导教师：
完成日期： 2022年5月18日
随着交通拥挤和堵塞等各种问题的日益突出,以及计算机技术的不断发展,智能交通系统,简称得到了越来越广泛的应用,并在欧、美等发达国家广泛得到应用而在我国的应用尚处于探索研究的起步阶段。车辆的自动识别和跟踪技术是的重要组成部分,本论文在分析了各种车辆识别技术的基础上,综合图像处理和模式识别技术来实现车辆的分类。论文采用《收费公路车辆通行费车型分类》作为车型分类标准。首先对摄像机采集的图像进行去除背景的运算以获取车辆图像,随后的工作是图像的预处理、特征提取、模式识别,以达到车型识别的目的。
关键词：图像识别技术；汽车类型；信息提取
目 录
1.1 课题的背景及意义
目前道路运输已经成为了最重要的运输方式之一，进入90年代以来，世界上各国交通拥堵、交通事故和环境污染越来越影响着社会经济发展和生活，车和路的矛盾日亦尖锐，成为了社会经济正常运转的制约因素之一。解决车和路的矛盾
问题常用的方法有两种：一是控制需求，最直接的办法就是限制车辆增加；二是增加供给，也就是多修路。但今天的资源和环境问题越来越突出，这就需要提供设施之外的技术来解决这一问题。
随着交通智能化的要求，汽车车型实时自动识别技术已经越来越受到人们的重视。汽车车型识别是运动目标检测和目标自动识别的一个典型应用问题，在智能交通系统管理和公共安全等系统中有着广泛的应用前景。
随着社会经济的快速发展和人民生活水平的不断提高,汽车工业蓬勃发展,汽车数量猛增,各种商务车和乘用车在日常生活和交通运输中发挥着越来越重要的作用。但随之而来的交通拥堵、交通环境恶化、交通管理落后、收费模式混乱、交通事故频发等问题已成为世界各国共同面临的问题。经过长期和广泛的研究,世界部分发达国家逐渐开始采用高新技术来改造现有的公路交通运输系统及其管理体系,从而大幅提高了公路网的通行能力和服务质量。随着自动控制、人工智能和模式识别等领域的发展,智能交通系统,简称应运而生,并获得了极大的发展。它将先进的人工智能、自动控制技术和信息技术等综合应用于整个交通运输管理体系,通过对交通过程信息的实时采集、传输和处理,对各种交通情况进行协调,建立起一种实时、高效、准确的综合运输管理体系,从而使交通设施得到充分的利用,实现交通运输的集约式发展。系统是世纪世界公路交通行业的发展趋势,年代开始我国学者也在相关领域开展了大量的研究工作。车辆检测、跟踪和车型识别是应用领域中重要的分支,也是目前相对薄弱的技术环节。同其他车型识别方法相比,基于图像识别的车型识别技术有其多种优势。基于图像的车型识别融合了图像处理、计算机视觉、模式识别等技术,它能够自动、实时地对车辆进行检测和分类,可以作为交通收费、管理、调度和统计的依据。车型自动识别系统的主要应用场合为停车场、路桥收费管理和公安交通管理部门。迄今为止,世界部分发达国家在车型的自动识别方面有了比较成功的应用。但由于诸多原因,车型自动分类在我国并没有得到广泛的应用。因此开展基于图像的车型识别技术研究有其现实意义。
1.2 国内外研究现状
智能运输系统(ITS)把先进的信息技术、通信技术、控制技术、传感器技术和系统综合技术有效地集成应用于交通运输系统，将人、路、车有机结合起来，以达到最佳的和谐统一，从而建立起一种大范围内、全方位发挥作用的实时、准确、高效的交通智能综合管理系统。ITS可以为交通部门及时、准确地提供交通信息，从而使交通控制管理系统有效地适应各种交通状况，运用多种控制系统，在相对宏观的高度合理调配运力，最大效能的发挥交通管理系统在交通监视、交通控制、出入控制、救援管理等方面的准确性和调控性，成为今天世界交通行业科研开发和技术应用的热点。目前，世界各国特别是发达国家部在智能交通系统方面进行各种研究和实验，IEEE在2000年创刊了ITS杂志。我国早在七十年代就将电子技术和信息技术应用于交通领域，九十年代引入智能运输系统概念，目前在我国ITS核心技术的研究主要集中在图像识别技术、交通仿真技术、GPS／GIS定位导航技术、交通流理论等方面。
(1)电子标签识别法
现阶段国外不停车收费()采用最多的是基于无线通讯技术。电子标签是用来记录车辆本身的信息包括车辆账号、车辆类型、车主、车牌号等。当车辆通过安装在收费通道内的收费设备时,通过电子标签和阅读器之间的微波通讯,实现信息的交换,并进行校验,最后通过收费系统与车主的银行实行定期清算。因为车辆存在掉换车载电子标签进行作弊的可能,收费站等场所需要额外安装监控设备,增加了基建投入。因此该方法在国内应用较少。
(2)电磁感应线圈识别法
预先在公路下面铺设一个通有高频电流的线圈,由于车辆的材质大部分是金属,当车辆从感应线圈上面通过时,会在线圈内部产生涡流而使线圈电感量减小。不同车型的底盘结构和铁磁物质分布的有所不同,由于电流变化引起的磁场的变化也不同,因此可以根据感应曲线的不同而区分不同类型的车辆,进而得到具体的车型。该方法的优点是准确率较高、不受气候影响且成本不太高。同时还能检测各车型的车流量及占有率等交通参数,电磁感应线圈法需要把线圈埋入地下,受车辆的挤压容易损坏,寿命较短,维护时需要破坏路面,维护成本较高。另外使用时车辆速度不能太高,以免影响测试精度。
(3)红外探测法
红外探测法是利用布置在车道两侧红外阵列检测器,当车辆经过装置时,根据汽车不同部位对发射装置的不同阻挡作用,采集车辆的侧面几何数据,然后通过这些数据与车型数据库中的数据比较后判断出车型,从而实现车型的自动分类。在该系统中水平和垂直排列的红外发射接收点非常多,有几十甚至几百对,这就保证了系统可以采集到足够多的数据,这些数据包括车头高度、车长、轴数、轮距等特征数据,这些信息可以比较完整、细致地描绘出车辆的外轮廓及局部典型特征,使系统达到一个较高的识别率。该方法优点是识别率较高,缺点是硬件结构复杂,维护成本高,在实际中难以推广。此外还有一种基于超声波的车型检测方法,其原理和红外检测法是类似的。
(4)车牌识别法
车牌识别法是一种通过识别车牌间接识别车型的方法。首先从摄像机获取的汽车牌照图像中识别出车牌号和车牌颜色,然后到车辆数据库中去检索与此车牌号相对应的车型,最终得到车辆的类型。该方法对硬件要求不高,安装起来也灵活方便,但需要事先对每一辆车建立包含各种信息的车辆数据库,而且图像必须保证车牌清晰,在实际应用中还受到遮挡、光照等的限制。这种方法要建立在可靠的车牌识别算法的基础之上,也可以把它归到下面将要叙述的基于图像的车型识别方法中。
(5)基于视频图像的车型识别
国内外利用视频图像进行车型识别的研究很多,因为数字图像能够提供很多有用的信息,利用一定的算法得到许多车辆的信息,然后依据这些车辆特征进而得到具体的车型。相比于其它的车型识别方法,利用图像来识别有其自身的特点:首先数字图像含有的信息比较丰富,只要是保证特征提取算法的有效性,即可得到较高的车型识别率。另外硬件安装非常简单,只需一个摄像机或者数码相机安装在路边,利用视频信号线和主机相连。并且利用该方法无需破坏路面,维护起来非常方便。
1.3 本文的主要内容
利用计算机图像识别技术，对已采集的图像进行图像增强，用科学的方法进行图像的分割并对特征值进行提取，从而进行车型的识别。
全文共分为5章，各章内容简介如下：
第一章绪论，简述课题的背景和意义、论题的国内外发展现状，介绍论文的主要内容；
第二章动态信息提取和图象预处理基本理论；
第三章汽车图像的分割与特征值提取理论及实现
第四章车型识别与分类；
本文最后对全文进行总结，并指出了研究课题的未来发展方向。
2 动态信息提取和图像预处理基本理论
2.1 引言
动态信息提取是指利用多帧连续图像的相关运动信息从图像中将运动目标的外形信息提取出来的过程。这类算法涉及到两个问题：动态目标检测和动态目标信息提取。首先应感知到图像中是否有物体在运动，如果有运动物体则应立即从当前图像序列中将目标信息提取出来。动态目标检测通常称为动态触发，可以通过多种方法实现，局部的检测方法可通过虚拟线圈来实现，基于全图的动态检测可以通过相邻帧相减所得的差图像实现。由于车型识别系统不需要指定在某一确切地理位置检测动态信息，所以它采用了全图动态检测，这样可以检测到所摄画面内所有运动车辆。检测方法是简单的，利用相邻两帧图像的差图像来统计两帧间变化的像素数目，当变化像素数目超出某一限定值，就认为图像中有物体处于运动状态，这时就可以启动目标信息提取过程。
2.2 动态信息提取
2.2.1 动态触发
动态目标的提取方法也有多种，但是准确率和效率都较高的算法却不多．目前可用的算法有两种，利用动态更新的背景或利用相邻多帧图像的差图像。当前系统中所使用的方法为触发帧减去背景帧所得的二值化图像。系统主进程在进行实时识别时会打开一个工作线程，这个线程负责从共享内存缓冲区中接收实时图像并进行动态检测，在进行动态检测的同时也在进行背景图像的动态更新。这个线程称为实时图像接收线程，当它检测到动态目标时会启动信息提取过程，如果没有检测到动态目标，则认为当前帧为背景图像并将它保存到背景图像缓冲中。在提取动态目标信息时，直接用触发提取信息过程的那帧图像与背景图像求差图像，这帧差图像是二值化图像，白天时效果较好，但夜晚情况下由于白噪声的干扰，差图像的质量变得很差，信息提取变得很不准确，所以夜间不能采用这种动态提取信息的方法，但可以尝试使用相邻多帧图像的差图像来提取。
2.2.2 动态目标信息提取
提取动态信息主要是用于定位运动车辆位置，得到大概的区域，坐标用动态矩形框表示。然后将动态矩形框坐标传给后面的基于静态信息处理程序，可加快后续的分割等算法，并减少背景等干扰．具体步骤如下：
接收到触发进程发出的消息后，识别进程启动。首先从图像队列中取出待识别图像和差分图像等。定位运动车辆的分割算法是在差分图中进行。差图像为二值图，有两种，前面已提到。因相邻两帧相减差分图中由于车身的相互重叠，反映在二值图中的白象素区域不完整。所以本系统中以减背景差分图为主，相邻两帧相减差分图为辅。分割时利用投影信息，反复找分割点，并拒识不满足要求的矩形框(因由于背景不单一造成的动态信息以及非机动车等反映在差分图中的干扰信息)。
2.3 图象的预处理
对利用CCD摄像头和图象采集卡获得的汽车的原始图象进行平滑和增强处理。
2.3.1 图像的平滑
图像的平滑也称图像的去噪处理。由于受摄像头，视频捕获卡等因素影响，图像中有不同程度的噪声。其中电子元件，传感器引起的噪声占主要成分。噪声将影响提取边缘信息算法的效果，因此在提取边缘前需对待识别图像进行预处理。
2.3.2 图像的增强
为了提高图像的对比度，使物体与背景间的反差增强，采用了直方图均衡化处理技术来对图象进行增强处理。图像增强处理可使灰度图像中的噪声得到抑制,但噪声的完全消除通常是很困难的,且在由灰度图像变为二值图像的处理过程中,难免又增加一些噪声,这些对形状特征提取时极为不利的,为此,必须对二值图像进行平滑处理。二值图像中的图形分量形成块状图像,其噪声的表现形式很多,其中有代表性的形式为小孔和点状图,如图所示。所谓点状态和小孔是指面积相对较小的像素连接成分和像素连接成分。一般采取腐蚀(也称收缩)处理和膨胀处理(也称扩张)能有效去除这些小的连接成分。
